图像传感器在光照不足的环境下成像，会造成视频图像噪声大、对比度低、大量细节信息无法表现等问题，这些不足严重影响人们对视频图像内容的判读和理解。良好的光照是保证视频图像质量的一个重要条件，但在视频图像的拍摄过程中，理想的光照条件往往很难得到满足。在低照度环境下获取的视频图像通常存在亮度低、噪声大、对比度低等不足。针对低照度视频图像的这些特点，一般的低照度图像增强算法都会采用提亮、去噪、提高对比度相结合的方法对低照度图像进行增强。为了获得视觉效果良好的低照度视频图像，许多研究者提出了一些经典的算法，但是这些算法往往只在某一个方面拥有较好的效果，而无法兼顾各个方面。随着图像增强技术的发展，通过简单的经典算法的组合对低照度图像处理得到的图像，在质量上已不能满足人们的要求。因此国内外出现了许多经典算法的改进算法，并利用改进的算法进行组合以达到对低照度图像增强的目的。

低照度视频图像中的灰度值总体偏小，使视频图像整体偏暗。各个相邻的像素之间的相关性大，相似的像素值分布集中，轮廓等边缘像素对应的灰度值与非边缘的邻域像素对应的灰度值差异较小，细节信息弱化。低照度视频图像的这种弱化现象在图像增强过程中容易造成信息的丢失。彩色图像的色彩是由图像各个通道的像素对应的灰度值的差异关系决定的，低照度下的视频图像各个通道之间对应像素灰度差值变小，虽然在数值上可以看到不同，但对于人类视觉而言仍不能分辨出这些细微的色彩差别，视频图像的颜色均偏暗色，整体的色彩层产生偏差，由于色彩不同而造成边缘信息弱化。低照度环境下获取的视频图像因受光照不均的影响，易产生噪声和局部欠曝光等现象，这也容易造成在增强过程中产生光晕、欠曝光、过度曝光等问题。

低照度视频图像的增强与单一低照度图像的增强不同，在低照度视频图像的增强过程中，不但要考虑每帧图像的增强效果，还要考虑视频帧之间图像的衔接是否平滑，若相邻帧图像衔接不自然，增强后的视频图像易产生运动模糊等现象。低照度视频图像比单一图像的参考信息丰富，在运动场景中，当前帧图像可以参考邻帧图像的信息进行图像增强，在固定场景中（例如监控视频），当前帧图像可以参考背景清晰帧的信息进行图像增强。